钨/石墨烷/钨第一壁材料缺陷与力学性能的第一性原理计算

托卡马克装置是实现可控热核聚变的主要装置之一, 而第一壁材料在确保托卡马克装置稳定运行的过程中起着至关重要的作用. 钨金属已被广泛使用作为第一壁材料, 但是聚变反应产生的氦原子在进入钨晶体后易形成"氦气泡"和点缺陷, 严重影响托卡马克装置第一壁材料的稳定性. 首次设计将钨/石墨烷/钨体系作为第一壁材料. 第一性原理计算结果表明, 钨/石墨烷/钨第一壁材料中的界面可以捕获氦原子和空位, 且能促进自填隙钨原子与空位复合, 从而降低钨体相中的缺陷密度; 弹性常数计算结果表明, 石墨烷层的存在可以提高钨金属的柯西压力值($C' $)和各向异性因子($A$), 使第一壁材料的延展性得以提高, 且不易出现裂纹, 但是在相同温度下钨/石墨烷/钨第一壁材料的力学模量有所下降; 利用准简谐德拜模型计算吉布斯自由能 $G^*$、定容热容$C_\mathrm V$、熵($S$)等热力学函数结果表明, 钨/石墨烷/钨第一壁材料的热力学稳定性与纯钨金属相比有所下降.     

基于强化局部特征的3D点云分类与分割网络

在点云的处理过程中，许多深度学习网络未能充分考虑局部点之间的复杂关系，导致大量空间几何信息丢失。针对该问题，提出了一个强化局部特征的网络，用于点云的目标分类和语义分割。该网络通过设计编码单元对点的多方向信息进行编码；通过注意力机制学习采样分组后形成局部点云的特征。同时提出了一种新的多维损失函数，结合使用交叉熵损失函数与中心损失函数作用于分类任务。在数据集ModelNet40和ScanNet上进行了大量实验，结果表明：该网络在点云的目标分类和语义分割任务上表现出较好的性能。     

一种基于HMM模型改进的地图匹配算法

针对轨迹数据在线地图匹配中难以同时保障算法的准确率和时间效率的问题, 提出一种基于隐马尔科夫模型(HMM)改进的在线地图匹配算法, 并提出综合距离因素和方向因素计算发射概率的方法。与其他全局或者局部算法的不同之处在于, 改进的在线地图匹配算法引入可靠点进行轨迹分割, 减少了转移概率的计算和匹配结果的输出延时。用西雅图市浮动车的轨迹数据进行算法的实验验证, 结果表明, 与传统的HMM地图匹配算法相比, 改进的算法在准确率和时间效率上更优, 能够满足在线地图匹配的需求。     

考虑多人给出参照点的风险型多属性决策方法

针对多人给出参照点的风险型多属性决策问题,提出了一种基于累积前景理论的决策分析方法.在该方法中,首先依据累积前景理论,计算每个参与决策人针对不同自然状态下每个方案的属性值的前景价值及决策权重函数值,进而得到每个参与决策人针对各方案的综合累积前景值;然后,计算每个参与决策人的决策信息与总体决策信息的期望一致性程度,并得到每个参与决策人的权重;在此基础上,计算各方案的总体累积前景值,并依据总体累积前景值的大小对各备选方案进行排序.最后,通过一个数值算例来说明该方法的可行性.     

椭圆曲线y2=(x+a)(x2-ax+p)的大整数点

确定椭圆曲线的有理点(尤其大整数点)是数论与算术代数几何中十分有趣的问题。尤其椭圆曲线在密码学等方面的应用中,针对不同的情况,需要构造不同的椭圆曲线。本文在这类椭圆曲线y²=(x+a)(x²-ax+p)中找到了一族有大整数点的椭圆曲线。同时得到了这族椭圆曲线有整数解的充要条件,且给出了8条椭圆曲线的大整数点。     

污染环境下森林发展系统的最优控制

研究了污染环境下一类森林发展系统的最优控制问题。首先,提出所研究的模型并通过Banach不动点定理证明了解的存在唯一性,然后根据凸泛函的性质以及Mazur引理得出最优控制的唯一解。     

一个典型弹性梁方程涉及第一特征值的正解

运用锥理论和不动点指数方法,在与相应的线性算子第一特征值有关的条件下,获得了一个典型弹性梁方程正解的存在性,改进了相关文献的结论.     

一类非线性微分方程耦合系统无穷边值问题解的存在性

在Banach空间中，利用M?nch不动点定理，结合一个新的比较结果，研究一类一阶非线性微分方程耦合系统无穷边值问题，其非线性项和边值条件均具有耦合性。获得该问题解的存在性定理，并给出一个应用实例。     

不同阶次下分数阶SIR传染病模型的稳定性分析

建立一类考虑Logistic增长与饱和传染率的不同阶次分数阶时滞传染病模型. 首先, 利用Jacobi矩阵和特征根轨迹法, 分析该模型的局部稳定性, 并给出基本再生数; 其次, 选取分岔参数作为时滞, 给出地方病平衡点发生Hopf分岔的充分条件； 最后, 利用数值仿真验证理论分析的正确性. 研究结果表明, 分数阶次的改变会影响系统的稳定性.     

结合上下文特征和图割算法的车载点云聚类方法

可靠、准确的点云聚类是后续高精度场景目标分析与解译的基础.该文提出了一种基于上下文特征和图割算法的车载点云聚类方法.首先用DBSCAN （density-based spatial clustering of applications with noise）对点云数据进行过分割，得到密度可达的超体素；然后引入空间和属性上下文特征来描述超体素间的关联，并用于定义超体素构建的图模型边的权值；最后基于多标记的图割优化算法得到最佳超体素聚簇.实验结果表明，该方法能够有效改善点云聚类过分割，从而提高聚类的精度.